Autor:innen:
Matthias Eberlein, Dresden (Germany)
Sanna Stroth, Marburg (Germany)
Luise Poustka, Göttingen (Germany)
Stefan Röpke, Berlin (Germany)
Inge Kamp-Becker, Marburg (Germany)
Veit Rößner, Dresden (Germany)
Trotz der Tatsache, dass die Autismus-Spektrum-Störung (ASS) eine bekannte psychiatrische Störung ist, fehlt es an Wissen über spezielle Merkmale, die sich auf das jeweilige IQ-Niveau von Personen mit ASS beziehen. Zudem basieren ASD-Modelle hauptsächlich auf der Untersuchung von männlichen Individuen mit durchschnittlicher Intelligenz. Dies legt nahe, dass Individuen mit ASD und sehr niedriger oder hoher Intelligenz durch die klinische Routinediagnostik möglicherweise nicht adäquat identifiziert werden und folglich eher über- (d.h. falsch positiv) - oder unterrepräsentiert (d.h. falsch negativ) sein könnten. Unser Ziel ist es daher, autistische Symptomprofile bei Personen mit ASD im Vergleich zu IQ-Level gematchten Personen ohne ASD zu beschreiben. Genauer gesagt fokussieren wir mit Hilfe von Algorithmen des maschinellen Lernens darauf, welche Items des Autism Diagnostic Observation Schedule (ADOS) am besten zwischen i) Individuen mit intellektueller Entwicklungsstörung (IDD, F70) und Individuen mit ASD mit leichter bis schwerer Intelligenzminderung und ii) zwischen Individuen ohne ASD mit intellektueller Hochbegabung und Individuen mit ASD mit hoher Intelligenz differenzieren.
Die Gruppe der Personen mit intellektueller Beeinträchtigung umfasste 193 Teilnehmer (51% mit ASD, 21,8% mit IDD und 27,2% mit ASD und IDD). In der Gruppe der intellektuell Hochbegabten untersuchten wir 354 Teilnehmer (50,8% mit ASD). Wir wendeten Random Forest (RF)-Analysen auf die ADOS-Daten (Modul 1-4) an. Erste Analysen ergaben Items, die auf die soziale Orientierung hinweisen. Insbesondere das Item "Ausmaß an reziproker sozialer Kommunikation" erwies sich als das prädiktivste Item bei der Unterscheidung von Personen mit ASD von solchen ohne ASD, sowohl in niedrigen als auch in hohen IQ-Stufen.